Desde que apareció ChatGPT que la idea del impacto de la inteligencia artificial en el trabajo es un péndulo que va desde "vamos a convertirnos en máquinas ultraproductivas con un copiloto" hasta "no necesitaremos más programadores (o abogados, o insertá acá tu profesión)" y muy pocas voces coherentes en el medio. Este estudio es interesante porque analiza con datos qué impacto se está viendo en el mercado laboral y muestra algunas conclusiones que van más allá del hype y el pánico.
El paper "Canaries in the Coal Mine" de Stanford usa datos administrativos de ADP (la empresa de nóminas más grande de EEUU) para trackear qué está pasando realmente con el empleo desde que ChatGPT explotó a fines de 2022. La muestra es enorme: millones de trabajadores cada mes, con información hasta septiembre 2025.
Los cuatro hallazgos clave
1. Los trabajadores junior en ocupaciones expuestas a IA están cayendo fuerte
Desarrolladores de software y agentes de customer service entre 22-25 años: -16% de empleo comparado con fines de 2022. Los trabajadores más experimentados en las mismas ocupaciones siguen creciendo normalmente. Una señal clara de que algo está cambiando en cómo se contrata entry-level en estos sectores.
2. El empleo general crece, pero los jóvenes se estancaron
El mercado laboral en EEUU sigue fuerte. El desempleo está bajo. Pero si mirás específicamente trabajadores de 22-25 años, el crecimiento del empleo se frenó desde el segundo semestre de 2022, al descomponer ese estancamiento, descubrís que viene principalmente de ocupaciones con alta exposición a IA.
En ocupaciones menos expuestas, los jóvenes siguen creciendo al mismo ritmo que los trabajadores mayores.
3. No toda la IA tiene el mismo impacto: automatización vs. augmentación
Acá hay una distinción clave que el estudio hace usando data de uso de Claude (el LLM de Anthropic) clasifican las queries en dos tipos:
- Automativas: "haceme esta tarea" → reemplaza trabajo humano
- Augmentativas: "ayudame a mejorar esto" → complementa trabajo humano
El empleo cayó en ocupaciones donde la IA se usa principalmente para automatizar. En ocupaciones donde se usa para augmentar, el empleo de jóvenes creció.
Esto es enorme. No es "la IA mata empleos" en general. Es "ciertos usos de la IA desplazan trabajadores junior, otros usos no".
4. Los ajustes se ven en empleo, no en salarios
Los sueldos no cayeron. No hay diferencias significativas en compensación por nivel de exposición a IA. Lo que cayó fue la cantidad de gente contratada. Esto es consistente con rigidez salarial a corto plazo, o con que los efectos de productividad de la IA están compensando los efectos de desplazamiento en términos de wage pressure.
Finalmente: Los patrones son robustos a múltiples análisis. El estudio hace lo que tiene que hacer: testear alternativas.
- ¿Es solo tech? No. Excluyendo ocupaciones de computación los resultados se mantienen.
- ¿Es remote work/outsourcing? No. Los patrones aparecen tanto en trabajos remotos como en trabajos que tienen que ser presenciales.
- ¿Es por educación deteriorada durante COVID? No. Los efectos aparecen tanto en ocupaciones con alta proporción de graduados universitarios como en ocupaciones con baja proporción.
- ¿Es sensibilidad a tasas de interés? No. Los resultados se mantienen separando por exposición a tasas de interés.
- ¿Es por vertical de mercado? No. Comparan trabajadores jóvenes vs. mayores dentro de la misma empresa en el mismo momento.
Por qué los juniors sufren más
La hipótesis más convincente del paper y directamente atada al debate del valor de los System of Record en SaaS: La IA reemplaza conocimiento codificado. No reemplaza (todavía) conocimiento tácito.
Los juniors aportan principalmente "book learning": lo que aprendiste en la universidad, lo que está en Stack Overflow, lo que puede capturar un LLM entrenado con datos públicos. Los seniors aportan conocimiento tácito: context específico de la empresa, relaciones con clientes, judgement sobre qué priorizaciones hacer, tips and tricks que nunca se documentaron.
Si la IA puede hacer lo primero pero no lo segundo, los juniors son los que más sufren substitución de tareas. Además, los juniors son el margen de ajuste más fácil: no despedís gente que ya está, simplemente contratás menos entry-level.
El dilema del collective action problem
Justo cuando sale este estudio, IBM anuncia que está triplicando su contratación entry-level mientras la mayoría de tech companies cortan junior roles. El argumento de su chief HR officer: "Las empresas que van a tener más éxito en los próximos 3-5 años son las que doblaron down en contratar entry-level en este entorno."
Esto es un collective action problem clásico: Si todas las empresas dejan de entrenar juniors al mismo tiempo, ¿de dónde salen tus futuros senior engineers? ¿Quién entiende tus sistemas, tu cultura, tus clientes?
La tentación es obvia: "dejá que otras empresas entrenen gente, yo los contrato cuando ya tienen experiencia". Si todos piensan así, no queda nadie que haga el training.
IBM está apostando a lo contrario: contratar el talento que todos los demás están pasando, entrenarlo en workflows aumentados por IA, y en cinco años tener un pipeline de mid-level managers que nadie más tiene.
- Cortar juniors hoy = mejor EBITDA este quarter, problema de talent pipeline en 3 años
- Contratar juniors hoy = peor EBITDA este quarter, ventaja competitiva en 2028 cuando nadie más tenga gente entrenada
La ironía es interesante: IBM, la empresa que todos escribieron como irrelevante, podría ser la que entendió esto primero mientras el "move fast and break things crowd" corta su pipeline para exprimir márgenes de corto plazo y, si es necesario, atraer talento más adelante con mejor compensación.
Lo que todavía no sabemos
¿Donde fueron esos junior que no fueron contratados como desarrolladores? ¿Consiguieron trabajo en otro sector? ¿están desempleados? ¿están en plataformas de freelancers? ¿están haciendo posgrados esperando que el mercado mejore?
Y a nivel mercado: ¿esto es temporal o permanente? ¿puede ser que después de un período de ajuste, las empresas vuelvan a contratar juniors pero integrando mejor IA en sus workflows? ¿Y la productividad? Si los seniors con IA son mucho más productivos, el output total puede estar creciendo incluso si el headcount junior cae.
La pregunta incómoda
Pero la pregunta más grande es: ¿qué significa esto para cómo entrenamos a la próxima generación?
¿Como logras el "conocimiento tácito" que se valora de los senior si, históricamente, los juniors lo aprendían con las tareas rutinarias que los seniors no querían? Eso ahora lo hace la IA. ¿Cómo generás experiencia si no te contratan para hacer las tareas que te iban a dar experiencia?
Me parece MUCHO más estratégico tratar de entender eso que decir "la IA va a reemplazar a los programadores"... porque la data muestra que: ya está reemplazando ciertas funciones para ciertos trabajadores. El resto es ruido.
Link al paper completo: Canaries in the Coal Mine - Stanford Digital Economy Lab
